Anda di halaman 1dari 54

5

Bab 2
Tinjauan Pustaka
Allah tidak membebani seseorang melainkan sesuai dengan
kesanggupannya. Ia mendapat pahala (dari kebajikannya) yang
diusahakannya, dan ia mendapat siksa (dari kejahatannya) yang
dikerjakannya. (Al-baqarah: 286)
2.1. Pengertian Peramalan
Pada akhir-akhir ini terdapat perkembangan yang sangat pesat sekali
dalam teknik dan metoda analisa ekonomi maupun analisa kegiatan
usaha perusahaan, terutama di bidang pemasaran, produksi, dan
keuangan. Perkembangan dalam teknik dan metoda analisa ini sangat
erat kaitannya dengan perkembangan teknik dan metode peramalan.
Hal ini disebabkan oleh penekanan maksud dan tujuan dari suatu
analisa kegiatan-kegiatan usaha perusahaan yang titik beratnya pada
mengkaji situasi dan kondisi yang berlaku sekarang maupun pada
masa lalu dan melihat pengaruhnya pada situasi dan kondisi yang
akan datang.
Usaha untuk melihat situasi pada masa yang akan datang merupakan
usaha untuk memperkirakan pengaruh situasi dan kondisi yang
terjadi terhadap perkembangan dimasa yang akan datang. Usaha atau
kegiatan untuk memperkirakan apa yang terjadi pada masa yang
akan datang disebut peramalan (forecasting).
6
Dalam produksi, peramalan merupakan suatu perkiraan tingkat
permintaan untuk suatu produk atau beberapa produk dalam periode
waktu tertentu di masa yang akan datang. Peramalan sangat
diperlukan dalam mengantisipasi permintaan yang berfluktuasi setiap
periode. Peramalan tidak terlalu dibutuhkan dalam kondisi
permintaan pasar yang stabil, karena perubahan permintaannya
relatif kecil. Tetapi peramalan sangat dibutuhkan bila kondisi
permintaan pasar bersifat komplek dan dinamis.
2.1.1. Jenis Jenis Peramalan
Pada umumnya peramalan dapat dibedakan dari beberapa segi
tergantung dari cara pandangnya. Apabila dilihat dari sifat
penyusunannya, maka peramalan dapat dibedakan atas dua macam,
yaitu :
a. Peramalan Subyektif, yaitu peramalan yang didasarkan atas
perasaan atau intuisi dari orang yang menyusunnya. Dalam
hal ini pandangan atau judgement dari orang yang
menyusunnya sangat menentukan baik atau tidaknya hasil
ramalan tersebut.
b. Peramalan Obyektif, yaitu peramalan yang didasarkan atas
data-data yang relevan pada masa lalu, dengan
menggunakan teknik-teknik dan metode-metode dalam
penganalisaan data tersebut.
Jika dilihat dari jangka waktu ramalan yang disusun, maka
peramalan dapat dibedakan atas tiga macam, yaitu :
7
a. Peramalan jangka pendek, yaitu peramalan ini akan
memberikan hasil peramalan dalam jangka waktu 1 (satu)
tahun atau kurang. Peramalan jangka pendek ini biasanya
memberikan hasil yang akurat.
b. Peramalan jangka menengah, yaitu peramalan yang
digunakan dalam kondisi jangka waktu 1 tahun sampai
dengan 5 tahun ke depan.
c. Peramalan jangka panjang, yaitu peramalan yang digunakan
untuk meramalkan kondisi dalam jangka waktu lebih dari 5
tahun ke depan. Hasil peramalan ini biasanya digunakan
untuk bahan dalam pengambilan keputusan yang berkaitan
dengan perencanaan pasar, studi kelayakan, perencanaan
kapasitas, dan lain-lain.
Berdasarkan sifat ramalan yang telah disusun, peramalan
dikategorikan menjadi dua macam teknik peramalan, yaitu :
a. Teknik Kualitatif
Teknik ini digunakan apabila data masa lalu tidak tersedia
atau jika tersediapun jumlahnya tidak mencukupi. Teknik
kualitatif mengkombinasikan informasi dengan
pengalaman, penilaian, dan intuisi untuk menghasilkan
pola-pola hubungan yang mungkin dapat diterapkan untuk
membuat prediksi-prediksi tentang masa yang akan datang.
Teknik ini didasari atas pendekatan akal sehat dalam
menyaring informasi kedalam bentuk yang bermanfaat.
8
Beberapa metode yang tercakup dalam teknik kualitatif
antara lain : role playing, panel consensus, Delphi, dan lain-
lain.
b. Teknik Kuantitatif
Dalam teknik ini, pola histories data digunakan untuk
mengekstrapolasi (meramalkan) masa yang akan datang.
Hasil peramalan sangat tergantung pada metode yang
digunakan dalam peramalan tersebut. Dengan metode yang
berbeda akan diperoleh hasil peramalan yang berbeda,
adapun yang perlu diperhatikan dari penggunaan metode-
metode tersebut adalah baik tidaknya metode tersebut
dalam memberikan nilai-nilai penyimpangan yang
mungkin.
Peramalan dengan teknik kuantitatif hanya dapat digunakan
apabila terdapat 3 (tiga) kondisi sebagai berikut :
Adanya informasi tentang keadaan yang lain,
Dapat diasumsikan bahwa pola data masa lalu akan
berkelanjutan pada masa yang akan datang,
Informasi tersebut dapat dikuantifikasikan dalam
bentuk data.
2.1.2. Prosedur Peramalan
Dalam melakukan peramalan perlu diikuti prosedur yang benar
untuk mendapatkan hasil yang baik. Prosedur peramalan yang
dimaksud adalah sebagai berikut :
1) Mendefinisikan tujuan peramalan
9
2) Membuat diagram pencar dari data
3) Memilih paling sedikit 2 metode yang dapat
mengalokasikan tujuan tersebut mendekati pola data yang
tergambar pada langkah kedua.
4) Menghitung parameter-parameter dari fungsi peramalan
5) Menghitung kesalahan yang terjadi
6) Memilih metode peramalan yang terbaik yaitu metode yang
test varian untuk mendapatkan hasil uji yang lebih baik.
Pada laporan ini, metode pengukuran kesalahan yang
digunakan adalah Mean Square Error (MSE).
7) Melakukan verifikasi peramalan dengan menggunakan peta
MRC ( Moving Range Chart). Hal ini perlu diperhatikan
untuk membuktikan apakah pola permintaan (data) yang
terpilih masih dapat digunakan untuk meramalkan
permintaan pada masa yang akan datang.
Adapun langkah-langkah untuk melakukan verifikasi adalah
sebagai berikut :
Hitung MR untuk setiap data dan
MR
dengan
menggunakan rumus :
1
1

n
MR
MR
n
t
Hitung UCL dan LCL dari MRC dengan rumus :
MR LCL
MR UCL
* 66 . 2
* 66 . 2

10
Menentukan daerah A, B, dan C
C C
MR B MR
MR A MR



* 66 . 2 *
3
1
3
1
* 66 . 2 *
* 66 . 2 *
3
2
3
2
* 66 . 2 *
Plot selisih data dari hasil peramalan dengan data aktual ke
dalam data MRC. Kondisi out of control dapat terjadi
apabila :
Jika ada titik-titik yang berada diluar garis UCL
dan LCL.
Pada 3 titik berturut-turut dijumpai 2 titik atau
lebih berada disalah satu daerah A.
Pada 5 titik berturut-turut dijumpai 4 titik atau
lebih berada disalah satu daerah B.
Dijumpai 8 titik berturut-turut berada di daerah C.
Jika ditemui kondisi out of control, yang harus dilakukan
adalah memeriksa apakah penyebab dari kondisi tersebut
diketahui atau tidak.
Jika diketahui penyebabnya, maka kondisi out of
control tersebut dibiarkan saja dan fungsi
peramalan tersebut masih dapat digunakan.
Jika penyebabnya tidak diketahui, maka :
- Membuat fungsi peramalan baru
- Menggunakan fungsi peramalan lama,
dengan menghilangkan data-data yang menyebabkan
11
out of control. Jadi disini mengolah data dengan
jumlah data yang telah dikurangi.
2.1.3. Karakteristik Peramalan yang Baik
Peramalan yang baik mempunyai beberapa criteria yang penting,
yaitu :
AKURASI
Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan
kekonsistensian peramalan tersebut. Hasil peramaln dikatakn bias
bila peramalan tersebut terlalu tinggi atau terlalu rendah
dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil
peramalan dikatakan konsisten bila besarnya kesalahan relatif kecil.
Peramalan yang terlalu rendah akan mengakibatkan kekurangan
persediaan, sehingga permintaan konsumen tidak dapat dipenuhi
dengan segera, akibatnya adalah perusahaan dimungkinkan
kehilangan pelanggan dan kehilangan keuntungan penjualan.
Peramalan yang terlalu tinggi akan mengakibatkan terjadinya
penumpukkan persediaan, sehingga banyak modal yang terserap sia-
sia. Keakuratan dari hasil peramalan ini berperan penting dalam
menyeimbangkan persediaan yang ideal (meminimasi penumpukkan
persediaan dan memaksimasi tingkat pelayanan).
1) BIAYA
Biaya yang diperlukan dalam pembuatan suatu peramalan adalah
tergantung dari jumlah item yang diamalkan, lamanya periode
12
peramalan, dan metode peramalan yang dipakai. Ketiga faktor
pemicu biaya tersebut akan mempengaruhi berapa banyak data yang
dibutuhkan, bagaimana pengolahan datanya (manual atau
komputerisasi), bagaimana penyimpanan datanya dan siapa tenaga
ahli yang diperbantukan. Pemilihan metode peramalan harus sesuai
dengan dana yang tersedia dan tingkat akurasi yang ingin didapat.
2) KEMUDAHAN
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan
mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.
adalah percuma memakai metode yang canggih, tetapi tidak dapat
diaplikasikan pada system perusahaan karena keterbatasan dana,
sumber daya manusia, maupun peralatan teknologi.
2.1.4. Jenis-Jenis Metode Peramalan Kuantitatif
Berdasarkan sifat teknik kuantitatif, maka metode peramalan yang
utama dibagi atas dua macam, yaitu :
2.1.4.a. Metode Kausal
Metode Kausal terdiri atas teknik-teknik peramalan yang digunakan
informasi atas satu atau beberapa faktor (variable) yang dapat
digunakan untuk memprediksi faktor (variable) lainnya. Dengan
jalan memanfaatkan pengetahuan tas hubungan antara variable-
variabel tersebut. Teknik utama dalam metode kausal ini adalah
Analisis Regresi.
13
A. Penggunaan Metode Kausal
Pada dasarnya metode kausal digunakan manakala pergerakan dalam
suatu variable dianggap disebabkan oleh pergerakan pada variable-
variabel yang lain. Akibatnya, proses pengidentifikasian variable-
variabel menjadi proses yang kritis sehingga seringkali memerlukan
waktu dan biaya yang mahal.
Pedoman berikut menggambarkan kapan pemodelan kausal sesuai
untuk diterapkan :
1) Pada saat terdapat alasan-alasan
apriori untuk menganggap bahwa satu variable adalah
dipengaruhi oleh variable lainnya.
2) Pada saat semua indicator utama
dapat teridentifikasi
3) Horizon waktu peramalan yang
relevan. Dalam jangka waktu yang pendek, delay antara
efek kausal dan waktu data dikumpulkan dapat diabaikan.
Namun, dalam jangka panjang terdapat kemungkinan
bahwa efek kausal telah bergeser.
4)
B. Metode Analisis Regresi
Analisis Regresi didasarkan pada asumsi bahwa terdapat hubungan
antara dua atau lebih variable. Beberapa jenis analisis regresi yaitu :
1. Regresi Sederhana, terdiri dari :
14
Regresi
Konstan
Regresi
Linier Sederhana
Regresi
Polinominal Kuadratis
Regresi
Eksponensial
2. Regresi Berganda
3. Regresi Trigonometri
2.1.4.b. Metode Time Series
Deret waktu (Time Series) adalah sebuah kumpulan observasi yang
dibuat sesaca sekuensil dalam waktu. Contoh : Statistk inflasi,
dinamika jumlah pengangguran, dan lain-lain.
Analisis Time Series didasarkan pada deret yang menggambarkan
pola-pola yang bervariasi sepanjang waktu, yang dimodelkan untuk
menentukan bagaimana pola yang akan terjadi di masa yang akan
datang. Secara tradisional jenis-jenis variasinya dibedakan dalam
pola dasar, yaitu :
Trend (kecenderungan), yaitu apabila data dalam jangka
panjang mempunyai kecenderungan, baik yang arahnya
meningkat dari waktu ke waktu maupun menurun. Pola
disebabkan antara lain oleh bertambahnya populasi,
perubahan pendapatan, dan pengaruh budaya.
15
Variasi Siklis, yaitu apabila data dipengaruhi oleh fluktuasi
ekonomi jangka panjang. Perbedaan utama antara pola
musiman dan siklus adalah pola musiman mempunyai
panjang gelombang yang tetap dan terjadi pada jarak waktu
yang tetap, sedangkan pola siklus memiliki duarsi yang
lebih panjang dan bervariasi dari satu siklus ke siklus yang
lain.
Variasi Musiman, yaitu apabila polanya merupakan gerakan
yang berulang-ulang secara teratur dalam setiap periode
tertentu, misalnya tahunan, semesteran, kuartalan, bulanan
atau mingguan. Pola ini berhubungan dengan faktor
iklim/cuaca atau faktor yang dibuat manusia, seperti liburan
dan hari besar.
Variasi tak Beraturan : merupakan residual yang tertinggal
setelah semua tipe trend berhasil diidentifikasi. Jika semua
tipe trend telah secara penuh diperhitungkan dalam model,
maka variasi tak beraturan akan bersifat random. Datanya
tidak dapat digambarkan.
Konstan, yaitu apabila data berfluktuasi di sekitar rata-rata
secara stabil. Polanya berupa garis lurus horizontal. Pola
seperti ini terdapat dalam jangka pendek atau menengah.
1. Single Exponential Smoothing
Metode Pemulusan Exponential Tunggal ( Single Exponential
Smoothing ) menambahkan parameter (alpha) dalam modelnya
16
untuk mengurangi faktor kerandoman. Nilai prakiraan dapat dicari
dengan menggunakan rumus sebagai berikut :
( )
t t t
F X F +
+
1
1
Dimana : Xt = Data Permintaan pada periode t
= Konstanta / faktor pemulusan
F t+1 = Prakiraan untuk periode-t
Berbeda dengan metode rata-rata bergerak yang hanya menggunakan
N data periode terakhir dalam melakukan prakiraan, metode
pemulusan Exponential Tunggal mengikutsertakan data dari semua
periode dalam melakukan peramalan. Setiap data pengamatan
mempunyai kontribusi dalam penentuan nilai prakiraan periode
sesudahnya. Tetapi dalam perhitungannya cukup hanya diwakili oleh
data pengamatan dan hasil prakiraan periode terakhir, karena nilai
prakiraan periode sebelumnya sudah mengandung nilai pengamatan
sebelumnya ( Herjanto Eddy, 1999, hal 122).
2. Double Exponential Smoothing
Metode ini dikembangkan oleh Browns untk mengatasi adanya
perbedaan yang muncul antara data aktual dan nilai peramalan
apabila ada trend pada plot datanya. Untuk itu Browns
memanfaatkan nilai peramalan dari hasil Single Exponential
Smoothing dan Double Exponential Smoothing. Perbedaan antara
kedua ditambahkan pada harga dari SES dengan demikian harga
peramalan telah disesuaikan terhadap trend yang terdapat pada plot
datanya.
17
Metode metode yang termasuk ke dalam Double Exponential
Smoothing sebagai berikut :
Double Exponential Smoothing Brown One
Dasar pemikiran dari pemulusan eksponensial linier dari Brown
adalah serupa dengan rata-rata bergerak linier kedua nilai pemulusan
tunggal dan ganda ketinggalan dari data yang sebenarnya bilamana
terdapat unsur trend. Perbedaan antara nilai pemulusan tunggal dan
pemulusan ganda dapat ditambah pada nilai pemulusan tunggal dan
disesuaikan untuk trend. Persamaan yang dipakai dalam
implementasi pemuluan exponential satu parameter dari Brown
ditunjukkan pada persamaan sebagai berikut :
( )
( )
( )
( )
( ) m b a F
S S b
S S S a
S S S
S X S
t t t
t t
t
t t t
t
t t t
t
t
t
*
1
1
1
1 1
' ' '
' ' ' '
1
' ' ' ' '
1
' '

+
+
+



Double Exponential Smoothing With Holt
Dasar pemikiran dari smooting (pemulusan) linier dari Holt adalah
karena kedua nilai pemulusan tunggal dan ganda ketinggalan dari
data yang sebenarnya. Bilamana terdapat unsur trend, maka Holt
memuluskan nilai trend dengan parameter yang berbeda dari
parameter yang digunkan pada deret yang asli.
18
3. Peramalan Metode Winters
Metode Winters termasuk dalam metode eksponential smoothing.
Metode ini sesuai untuk deret waktu dengan variasi trend dan
musiman. Metode ini bekerja dengan jalan mengestimasi secara
terpisah smoothed average, trend dan factor musiman. Ketiga
komponen tersebut selanjutnya dikombinasikan untuk menghasilkan
nilai peramalan.
Metode Winters didasaria atas 3 persamaan pemulusan yaitu satu
unsur stasioner, trend dan musiman. Metode ini hampir sama dengan
metode Holt, hanya dengan menambah satu persamaan tambahan
untuk mengatasi musiman. Persamaan matematik untuk metode
winters adalah sebagai berikut :
( ) ( )( )
( )
( )
m t t t
m t
t
t
t
t t t t
t t
t
t
t
I T i F Forecast
I
F
X
I
T F F T
T F
I
x
F

+
+
+
+
* *
* 1 *
1
) )( 1 ( *
1 1
1 1
1 1
1



4. Metode Kudratis
Persamaan Rumusnya sebagai berikut :
19
( ) ( )
( )
( )
1
1
]
1

1
]
1

+ +

n
t
c
n
t
b
n
dt
a
c
b
Dimana
t c t b a dt
2
2
2 '
*
*
* *
:
* *





Dimana nilai-nilai diatas didapat dari rumusan berikut ini :
( )
( )
( ) ( )
( ) ( )
( ) ( )










2
2
2
3 2
2 2
4
2
2
*
* *
* * *
* * *
*
t n t
t n t t
dt t n dt t
dt t n dt t
t n t

5. Metode Siklis
Persamaan Rumusnya sebagai berikut :
t
N
c t
N
b a dt
2
cos *
2
sin *
'
+ +
Dimana nilai a, b, dan c diatas didapat dari rumus berikut :
20
N
t
N
dt
c
N
t
N
dt
b
N
dt
a

2
cos * * 2
2
sin * * 2

2.1.5. Ukuran Akurasi Hasil Peramalan


Suatu peramalan sempurna jika nilai variable yang diramalkan sam
dengan niali sebenarnya. Untuk mendapatkan niali yang tepat, maka
diharapkan peramalan tersebut dapat dilakukan dengan niali
kesalahan sekecil mungkin. Kesalahan peramalan tidak semata-mata
disebabkan kesalahan dalam pemilihan metode, tetapi dapat juga
disebabkan jumlah data yang diamati terlalu sedikit sehingga tidak
menggambarkan perilaku/pola yang sebenarnya dari variable yang
bersangkuatan.
Kesalahan peramalan adalah perbedaan antara nilai variable yang
sesungguhnya dan nilai peramalan pada periode yang sama, atau
dalam bentuk rumus :
t t t
F X e
Berikut ini beberapa ukuran akuarsi dari peramalan yang dipakai :
1. Rata rata Deviasi Mutlak (Mean Absolute Deviation = MAD)
21
Rata-rata penyimpangan absolut merupakan penjumlahan
kesalahan peramalan tanpa menghiraukan tanda aljabarnya dibagi
dengan banyaknya data yang diamati, yang dirumuskan sebagai
berikut :

n
F A
MAD
t t
2. Rata rata Kuadrat Kesalahan (Mean Square Error = MSE)
MSE memperkuat pengaruh angka-angka kesalahan besar,
tetapi memperkecil angka kesalahan peramalan yang lebih kecil dari
satu unit.
( )

n
F A
MSE
t t
2
3. Rata-rata Persentase Kesalahan Absolute (Mean Absolute
Percentage Error = MAPE)

,
_

t
t
t
A
F
A
n
MAPE
100
4. Rata-rata Kesalahan Peramalan (Mean Forecast Error = MFE)
( )

n
F A
MFE
t t
5. Rata-rata kesalahan ( AE, average error atau bias )
22
Merupakan rata-rata perbedaan antara nilai sebenarnya dan niali
peramalan, yang dirumuskan sebagai berikut :
n
F A
AE
t t

Dimana :
A = Permintaan Aktual pada periode-t
F = Peramalan Permintaan pada periode-t
n = Jumlah periode peramalan yang terlibat.
2.1.6. Verifikasi Dan Pengendalian Peramalan
Verifikasi peramalan merupakan langkah yang penting setelah
dilakukan peramalan, karena untuk menguji data yang diramalkan
dapat dipergunakan untuk permintaan yang akan datang atau tidak.
Dalam proses verifikasi ini akan terjadi dua hal, yaitu : apabila
aktualitas hasil peramalan tersebut dapat dipercaya, maka hasil
peramalannya dapat terus digunakan. Tetapi apabila ada keraguan
dalam validiats metode peramalan yang digunakan, harus dicari
metode lainnya.
Banyak alat yang dapat digunakan untuk menverifikasi peramalan
dan mendeteksi perubahan sistem sebab akibat yang
melatarbelakangi perubahan pola permintaan. Bentuk yang paling
sederhana adalah peta kontrol peramalan yang mirip dengan peta
kontrol kualitas. Peta kontrol ini dapat dibuat dengan dalam kondisi
data yang tersedia minim.
23
2.1.6.1. Peta Moving Range
Peata Moving Range dirancang untuk membandingkan niali
permintaan aktual dengan nilai peramalan pada periode yang sama
dan dikembangkan sampai periode yanga akan datang. Selama
periode dasar (periode pada saat menghitung peramalan), Peta
Moving Range digunakan untuk melakukan verifikasi teknik dan
parameter peramalan. Setelah metode peramalan ditentukan, maka
peta Moving Range digunakan untuk menguji kestabilan system
sebab akibat yang mempengaruhi permintaan. Moving Range dapat
didefinisikan sebagai berikut :

,
_


1
^
1
^
t t t t
y y y y MR
Adapun Rata-rata Moving Range didefinisikan sebagai :

1 n
MR
MR
Garis tengah Peat Moving Range adalah pada titik nol. Batas kontrol
atas dan bawah adalah :
MR BKB
MR BKA
66 , 2
66 , 2

+
24
Kebutuhan jumlah data dalam membuat peta Moving Range
sekurang-kurangnya adalah 10. batas ini ditetapkan sedemikian
hingga diharapkan hanya ada tiga titik yang berada diluar batas
kendali. Jika ditemukan satu titik yang berada diluar batas kendali
pada saat peramalan verifikasi, maka harus ditentukan data tersebut
diabaikan atau membuat peramalan baru. Selain itu, harus diselidiki
penyebab dari terjadinya data diluar batas kendali.
Kondisi terjadinya data/titik diluar batas kendali apabila :
a. jika dari tiga titik berturut-turut, ada dua atau lebih titik
yang berada di daerah A;
b. dari lima titik berturut-turut, ada empat atau lebih titik yang
berada di daerah B;
c. ada delapan titik berturut-turut titik yang berada disalah satu
sisi ( di atas atau di bawah garis tengah ).
Uji yang paling tepat bagi kondisi diluar batas kendali adalah dengan
cara membagi peta kendali ke dalam enam bagian dengan selang
yang sama. Yaitu :
( )
( )
BKB BKA C
MR MR B
MR MR A
&
* 89 , 0 * 66 , 2
3
1
* 77 , 1 * 66 , 2
3
2

t t
t t
+ BKA
25
Batas Daerah A
Batas Daerah B
0 t
Batas Daerah B
Batas Daerah A
- BKB
Gambar 2.1 Kriteria di luar Kendali
2.2. Rencana Produksi Agregat
Perencanaan produksi agregat dari rencana statefi perusahaan dan
dibuat secara harmonis dengan rencana bisnis (Business Planning )
dan rencana pemasaran (marketing Planning).
Perencanaan produksi dapat diartikan penentuan rate atau tingkat
produksi pabrik yang dinyatakan secara agregat dan tujuannya
adalah :
1. Mengatur Strategi Produksi
o Memproduksi sesuai demand
o Memproduksi pada tingkat konstan
2. Menentukan Kebutuhan Sumber Daya Yang Meliputi
o Tenaga Kerja
o Material
o Fasilitas
o Peralatan
26
o Dana
3. Menjadi Langkah Awal Bagi Seluruh Kegiatan Produksi
Karakteristik dari produksi biasanya tidak rinci, rencana dibuat untuk
famili atau produk dan satuan yang digunakan dapat berbeda antara
satu perusahaan dengan perusahaan yang lain seperti ton, gallo,
waktu produksi standard, sartuan uang dan lain-lain. Kemudian tidak
standar, tergantung pada tipe bisnis apakah make to order atau meke
to stock.
2.2.1 Input Perencanaan Agregat
Terdapat beberapa hal penting yang diperlukan untuk perencanaan
agregat yang efektif, yaitu :
a. ketersediaan sumber daya untuk memenuhi perencanaan
harus diketahui
b. peramalan terhadap permintaan harus tersedia
c. Perencanaan harus mempertimbangkan beberapa kebijakan
mengenai pemilihan tingkat tenaga kerja yang dibutuhkan.
Hal-hal yang menjadi masukan untuk agregat planning diantaranya :
o Sumber daya, meliputi tenaga kerja/rentang produksi
fasilitas dan peramalan.
o Peramalan permintaan
27
o Kebijakan mengenai pemilihan pekerja, meliputi
Subkontrak, lembur (OverTime), tingkat persediaan, dan
back order.
o Biaya, meliputi biaya pemindahan persediaan, biaya back
order, biaya penambahan tenaga kerja, biaya pengurangan
tenaga kerja, biaya penyimpanan, biaya lembur (overtime)
dan biaya Subkontrak.
2.2.2. Strategi Produksi Menghadapi Fluktuasi Demand
Untuk menghadapi demand yang tidak tetap atau berpola musiman
dapat digunakan beberapa startegi, yaitu :
1. Produksi Pada Tingkat Konstan (Tenaga Kerja Tetap)
Produksi pada tingkat konstan artinya jumlah tenaga kerja yang
digunaka adalah tetap. Kumungkinan yang terjadi adalah dengan
menumpuk atau menggunakan persediaan, serta menambah dan
mengurangi backlog atau dengan menambah atau mengurangi sub
kontrak.
2. Produksi Sesuai Demand ( tenaga Kerja Berubah )
Produksi sesuai demand adalah bahwa kapasitas yang akan
diproduksi tergantung dari permintaan. Kemungkinan yang terjadi
dengan menambah dan mengurangi tenaga kerja, atau merubah
jumlah shift.
3. Metode Gabungan
Pada metode ini rencana produksi menggunakan kedua metode
diatas, yaitu pada tingkat konstan dan sesuai demand.
28
2.2.3. Metode Perencanaan Agregat
Dalam perencanaan agregat dikenal beberapa metode yaitu :
1. Metode Trail and Error
2. Metode Heuristic
Metode ini menggunakan aturan-aturan tertentu untuk
memperoleh solusi yang baik, namun tidak ada jaminan
bahwa solusi itu optimim.
Yang termasuk kedalam metode ini adalah :
Metode Koefisien Manajemen
Metode Parametik
Searcs Decision Rule
3. Metode Matematis
Yang termasuk ke dalam metode ini diantaranya adalah :
Model Programa Linier
Model Transportasi
Model Programa Integer Campuran
Linier Decision Rule
4. Metode Simulasi
Contoh dari Metode ini adalah Metode Monte Carlo
Simulation.
2.2.4. Perencanaan Produksi Dengan Metode Heuristic
2.2.4.1. Produksi Pada Tingkat Konstan (Tenaga Kerja Tetap)
29
Langkah-langkah yang dilakukan dalam metode ini adalah sebagai
berikut :
1. Menentukan Rencana Produksi Untuk Periode Waktu
Tertentu
Renc.Produksi = Raml.demand + Inv. Akhir Inv awal
2. Menentukan Kebutuhan Jam-Orang Untuk Periode Waktu
Tertentu
Keb.jam.orang = Renc produksi x jam.orang/unit
3. Menentukan Kebutuhan Tenaga Kerja

,
_

Hari
Kerja Jam
x HK
Orang Jam Kebutuhan
TK Keb.
4. Menentukan Perencanaan Kapasitas Untuk Periode Waktu
Tertentu
a. Menghitung Kapasitas Produksi Pada Reguler Time
( ) ( ) ( )
Unit
Orang Jam Kebutuhan
Kerja Jam x HK x TK
UPRT
t
t t
t

b. Menghitung Kapasitas Produksi Pada Overtime (Jika
Diperlukan)
UPOT
t
= HK
t
x Max. Output lembur/hari
c. Menghitung Jumlah Unit Yang Dapat Diproduksi Pada
Sub Kontrak (Jika Diperlukan)
d. Hitung Inventori Akhir Pada Tiap Periode
Inv. Akhir = Inv. Awal + Produksi
t
- Demand
t
30
2.2.4.2. Produksi Sesuai Demand (Tenaga Kerja Berubah)
Langkah-langkah yang dilakukan dalam metode ini adalah sebagai
berikut (untuk setiap Periode) :
1. Menentukan rencana produksi untuk periode waktu tertentu
Renc. Produksi = Raml. demand + Inv. Akhir Inv awal
2. Menentukan kebutuhan tenaga kerja untuk periode tertentu

,
_

Hari
Kerja Jam
x HK
Orang Jam Kebutuhan
TK Keb.
3. Menentukan Perencanaan untuk Periode wantu tertentu
a. Menghitung Kapasitas Produksi Pada Reguler Time
( ) ( ) ( )
Unit
Orang Jam Kebutuhan
Kerja Jam x HK x TK
UPRT
t
t t
t

b. Menghitung Kapasitas Produksi Pada Overtime (Jika
Diperlukan)
UPOT
t
= HK
t
x Max. Output lembur/hari
c. Menghitung Jumlah Unit Yang Dapat Diproduksi Pada
Sub Kontrak (Jika Diperlukan)
4. Hitung Inventori akhir pada tiap periode
Inv. Akhir = Inv. Awal + Produksi
t
- Demand
t
5. Lakukan Perhitungan yang sama untuk periode selanjutnya
6. Hitung ongkos yang terjadi
31
2.2.4.4. Produksi Mix Startegy (Produksi Gabungan)
Langkah-langkah yang dilakukan dalam metode ini adalah gabungan
antara tenaga kerja tetap dengan tenaga kerja berubah. Dimana kasus
yang dihadapi merupakan 2 periode tenaga kerja tetap dan 2 periode
sesuai demand ( tenaga kerja berubah ). Untuk tahapan
pengerjaannya sesuai dengan strategi masing masing.
2.3. Proses Disagregasi
2.3.1. Pengertian & Tujuan Disagregasi
Proses disagregasi adalah proses merubah hasil rencana agregat
menjadi jumlah yang harus diproduksi untuk setiap produk / item.
Tujuan dibuatnya disagregasi adalah untuk menyusun jadwal induk
produksi.
2.3.2. Metode Disagregasi
metode dalam disagregasi ini banyak cara, baik itu bersifat analitis
maupun heuristis. Metode metode tersebut adalah sebagai berikut :
Pendekatan Hax & Meal
Pendekatan Britan & Hax
Pendekatan Cut & Fit
32
Rencana yang lebih tinggi menjadi pembatas / kendala bagi
rencana tingkat rendah.
Agregat Taktis Operasional
2.3.3. Langkah - Langkah Penyelesaian
2.3.3.1. Pendekatan Hax & Meal
Pada pendekatan ini, produknya dibagi atas 3 tingkatan yaitu :
A. ITEM
Adalah produks akhir yang digunakan konsumen
Tingkat terendah dalam struktur produk
Suatu jenis produk mungkin terdiri atas banyak item yang
dibedakan dari : warna, kemasan, etiket, merek, dan lain-
lain.
B. FAMILY
Adalah sekelompok item yang menanggung secara bersama sama
ongkos set-up. Bila suatu mesin sudah disiapkan untuk membuat
suatu item dari suatu keluarga, maka semua item dalam keluarga
yang sama dapat diproduksi dengan melakukan perubahan kecil pada
saat set-up.
C. TIPE
Adalah kelompok beberapa item yang memiliki ongkos
produksi per satuan yang sama.
Ongkos buruh langsung
Ongkos simpan
33
Jumlah produk / satuan waktu, dan sebagainya.
2.3.3.2. Pendekatan Britan & Hax
Berikut ini akan dibahas mengenai suatu metoda yang dikembangkan
oleh Hax and Candea (Hax and Britan, Bedworth, 1987). Metoda ini
terdiri dari 2 algoritma, yaitu :
1. Algoritma untuk memecahkan rencana agregasi dalam
jumlah produk family.
2. Algoritma untuk memecahkan jumlah produk family dalam
jumlah produk individu (item).
Sebelum melanjutkan prosedur diatas, terlebih dahulu akan dibahas
istilah-istilah yang biasa digunakan dalam campuran produk (produk
mix). Family didefinisikan sebagai sekumpulan produk sejenis yang
layak diproduksi bersama, yang dipandang dari sudut ekonomi dan
teknologi, atau dengan kata lain, karena biaya pergantian produksi
dari satu family ke family yang lain besar, maka perlu dilakukan
perencanaan untuk menentukan family mana yang akan diproduksi
sebelum memutuskan untuk pindah ke family yang lainnya. Secara
umum, di dalam suatu pabrik ada beberapa family, dimana kumpulan
family ini disebut sebagai tipe produksi.
Langkah-langkah dalam proses disagregasi ini adalah sebagai
berikut:
34
1. Langkah pertama prosedur ini adalah menentukan family mana
yang akan diproduksi. Hal ini dilakukan dengan
mempertimbangkan jumlah produk yang tersedia dan jumlah
permintaan setiap produk dalam family. Jika ekspektasi jumlah
produk pada akhir perioda lebih kecil dari persediaan cadangan
(safety stock), maka seluruh produk dalam family tersebut
diproduksi. Secara formal untuk produk
j
dalam family i ,
jika jumlah ekspektasi
t ij
q
,
pada akhir perioda t lebih kecil
dari persediaan cadangan
ij
SS
seluruh produk dalam family
akan diproduksi.
Jika
1 , t ij
I
adalah jumlah persediaan produk
j
pada akhir
perioda 1 t dan jumlah permintaan adalah
t ij
SS
,
, maka jika :
t ij t ij t ij
D I q
, 1 , ,


Dan jika :
min {
ij t ij
SS q
,
} 0
Maka setiap produk
j
dalam family i diproduksi pada perioda t.
Formulasi masalah yang dikembangkan Hax and Britan, yaitu :
min z
t ij
z
ij
i
i
z
i i
D K
x
S x h
,
, ,
2


+
dengan kendala :
i i
i i
z i
i
UB x
LB x
x x

*
35
Dimana :

i
S
Biaya setup untuk memproduksi family i

*
x
kebutuhan produksi yang ditentukan pada rencana agregat

ij
K
faktor konversi jumlah unit produksi
j
dalam family i
terhadap unit agregat produksi

t ij
D
,
permintaan produk
j
dalam family i pada perioda t

i
h
biaya simpan produk family i

i
x
jumlah unit family i yang diproduksi

i
LB
batas bawah untuk family i

i
UB
batas atas untuk family i
z kumpulan family yang diproduksi
2. Menentukan batas atas dan batas bawah
Batas bawah ditentukan oleh kebutuhan untuk persediaan cadangan
pada perioda berikutnya. Perhitungan dilakukan dengan :
)] ( , 0 max[
1 , , ij t ij t ij
i j
ij i
SS I D K LB +

Batas atas diperlukan untuk menjamin kelebihan persediaan yang


tidak terakumulasi. Sebagai contoh, suatu kebijaksanaan menentukan
tidak lebih dari n perioda persediaan. Perhitungan batas atas :
1
]
1

+
,
_

+

ij t ij
n
k
k t ij
i j
ij i
SS I D K UB
1 ,
1
0
,
36
Jika
,
*
x LB
i
>

maka solusi diatas akan menghasilkan unit


diatas bagan atas, kelebihan produksi tersebut harus dialokasi relatif
terhadap biaya persediaan. Jika biaya tiap family sama, maka tingkat
produksi adalah :

z j
i
i
t
UB
LB x
Y
*
*
Jika
,
*
X LB
i
>

masalah diatas tidak fleksibel dan persediaan


akan dibawah batas persediaan cadangan. Dalam hal ini, rencana
produksi didistribusikan family lain untuk menyeimbangkan biaya
kekurangan persediaan. Agar biaya konstan, maka resiko back order
dikurangi (diratakan) dengan menggunakan ;

z j
i
i
t
LB
LB x
Y
*
*
Jika
i i
UB X LB
*

, algoritma diatas akan memberikan jadwal


produksi sesuai dengan kapasitas yang dimiliki.
Algoritma pertama yaitu melakukan disagregasi family, dengan
algoritma sebagai berikut :
Langkah 1 : Hitung jumlah produk untuk setiap family dengan
mempertimbangkan ongkos set up untuk setiap family.

P
D K S
D K S
y
t
z i
i j
t ij ij t
i j
t ij ij i



) (
) (
,
,
1
37
Langkah 2 : Untuk
1
Z i
Jika
i
i
i
UB y LB

maka 1
*

y y i
Langkah 3 : Bagi family lainnya menjadi dua grup
{ }
i
i
UB y Z t Z >
+

;
dan
{ }
i
i
LB y Z t Z >


;
Hitung :


+

i j
i
t UB y ) (


i j
i
t
y LB ) (

Langkah 4 :
Jika
+

maka
i
i UB y
*
untuk semua
+


Z i
Jika
+

maka
i
i LB y
*
untuk semua


Z i

+
+

Z Z
1
, 1
(seluruh family
i y
*
yang ditemukan)
i y P P
* 1

+
(untuk i yang dijadwalkan pada iterasi

)
Jika
1 +
Z
= maka selesai, jika tidak kembali ke langkah 1
Langkah berikutnya yaitu membagi produksi family menjadi produk
individu. Algoritma disagregasi produk adalah sebagai berikut :
38
Langkah 1 : Untuk setiap family i yang diproduksi, tentukan
jumlah periode n yang memenuhi :

'


n
n
t ij ij ijn
t j
ij
i I SS D K y
1
1 ,
*
Langkah 2 : Hitung error dari setiap n yang memenuhi :

'


n
n
t ij ij ijn
i j
ij t
I SS D K E
1
1 ,
Langkah 3 : Untuk setiap produk dalam family i , hitung jumlah
produksi

+
i j
ijn ij
ijn i
t ij ij
n
n
ijn
ij
D K
D E
I SS D y
1 ,
1
*
Jika 0
*
< ij y untuk semua produk, misalnya
g j
, maka
0
*
ig y . Keluarkan produk g dari family A.
2.3.3.3 Pendekatan Cut and Fit
Menurut Narasimhan, S.L., ( halaman 324 ) menyatakan Generally,
Firm try out various allocations of capacity for the products in a
group until a satisfactory comination is determined. Such an
approach is called a cut and fit method .
2.4. Jadwal Induk Produksi ( MPS = Master Production
Schedule )
39
2.4.1. Pengertian MPS
MPS atau Jadwal Induk Produksi adalah suatu set perencanaan yang
mengidentifikasi kuantitas dari item tertentu yang dapat dan akan
dibuat oleh suatu perusahaan manufaktur ( dalam satuan waktu ).
MPS mendisagregasikan dan mengimplementasikan rencana
produksi. Apabila rencana produksi yang merupakan hasil dari
proses perencanaan produksi dinyatakan dalam bentuk agregat,
jadwal induk produksi dinyatakan dalam konfigurasi spesifik dengan
nomor nomor item yang ada dalam Item Master and BOM ( Bill Of
Material ) files.
MPS berkaitan dengan pernyataan tentang produksi dan bukan
tentang permintaan pasar. Namun MPS membentuk jalinan
komunikasi antara bagian pemasaran dan bagian manufaktur,
sehingga bagian pemasaran dapat mengetahui informasi yang ada
dalam MPS terutama berkaitan dengan ATP ( Available To
Promise ) agar dapat memberikan janji yang akurat kepada
pelanggan.
2.4.2. Fungsi Utama MPS
Penjadwalan Produksi induk pada dasarnya berkaitan dengan
aktivitas melakukan empat fungsi utama, yaitu :
1. Menjadwalkan pesanan pesanan produksi dan pembelian
(production and purchase orders) untuk item item MPS.
40
2. Menyediakan atau memberikan input utama kepada system
perencanaan kebutuhan material ( MRP = Material
Requirement Planning ).
3. Sebagai dasar bagi pembuatan perencanaan sumber daya
dan kapasitas (RCCP)
4. Merupakan dasar untuk menetapkan janji pengiriman pada
konsumen.
2.4.3. Input Utama MPS
Sebagai suatu aktivitas proses, MPS membutuhkan lima input
utama, yaitu :
1. Demand Data ( Data Permintaan Total merupakan salah satu
sumber data bagi proses penjadwalan produksi induk. Data
permintaan total berkaitan dengan ramalan penjualan dan
pesanan pesanan)
2. Inventory Status ( berkaitan dengan informasi tentang on-hand
invertory, stok yang dialokasikan untuk penggunaan tertentu,
pesanan pesanan produksi dan pembelian yang dikeluarkan.
MPS harus mengetahui secara akurat berapa banyak inventori
yang tersedia dan menentukan berapa banyak yang harus
dipesan).
3. Production Plan ( Rencana produksi memberikan sekumpulan
batasan kepada MPS. Dimana MPS harus menjumlahkannya
untuk menetukan tingkat produksi, inventori, dan sumber-
sumber daya lain ).
41
4. Plan Data ( data perencanaan berkaitan dengan aturan aturan
tentang lot-sizing yang harus digunakan, stok pengaman (safety
stock), dan waktu menunggu (lead time) dari masing masing
item yang biasanya tersedia dalam Item Master File ).
5. Informasi dari RCCP ( Kebutuhan kapasitas untuk
mengimplementasikan MPS). Pada dasarnya RCCP dan MPS
merupakan aktivitas perencanaan yang berada pada level yang
sama (level 2) dalam hierarki perencanaan prioritas dan
perencanaan kapasitas pada system MRP II. Tapi MPS
merupakan dasar dalam penentuan kebutuhan sumber daya
(RCCP) karena RCCP menentukan kebutuhan kapasitas untuk
mengimplementasikan MPS, menguji kelayakan dari MPS, dan
memberikan umpan balik kepada perencana jadwal induk
(Master Scheduler) untuk mengambil keputusan dalam
melakukan tindakan perbaikan apabila ditemukan adanya
ketidaksesuaian antara penjadwalan produksi induk dengan
kapasitas yang tersedia ).
Tujuan MPS :
1. Mencapai target tingkat produksi tertentu.
2. Memenuhi target tingkat pelayanan terhadap konsumen.
3. efisiensi penggunaan sumber daya produksi.
Dalam mendesain MPS ada beberapa factor utama dalam
menentukan proses penjadwalan produksi induk (MPS). Beberapa
factor utama tersebut adalah :
1. Lingkungan Manufakturing
42
Lingkungan manufacturing ( berdasarkan strategi product
positioning ) yang dimaksud adalah apakah jenis perusahaan
tersebut make-to-order, make-to-stock, dan assemble-to-order.
Make To Stock adalah tipe industri yang membuat produk akhir
untuk disimpan. Kebutuhan konsumen diambil dari persediaan
gudang. MPS pada industri MTS menggunakan data peramalan
permintaan bersih (peramalan permintaan dikurangi persediaan
ditangan).selain itu, produknya dikirim secara langsung dari
gudang produk akhir dan karena harus ada stock sebelum
pesanan pelanggan tiba.
Ciri cirri dari Make To Stock :
Standard item, high volume
Terus menerus dibuat, lalu disimpan.
Harga wajar
Pengiriman dapat dilakukan segera
Pelanggan tidak mau menunggu
Perlu adanya safety stock untuk mengatasi fluktuasi
Make To Order adalah tipe industri yang membuat produk
hanya untuk memenuhi pesanan. Pada industri yang berjenis
MTO, biasanya produk akan dikerjakan atau diselesaikan
setelah menerima pesanan pelanggan. Sering kali komponen
komponen yang mempunyai waktu tunggu panjang
direncanakan atau dibuat lebih awal guna mengurangi waktu
43
tunggu penyerahan kepada pelanggan, apabila pelanggan
memesan produk. Sedangkan dalam mendesain MPS untuk
perusahaan MTO, pesanan yang belum terpenuhi merupakan
data permintaan yang dibutuhkan, sehingga pesanan pesanan
dari konsumen akan menentukan MPS-nya.
Ciri cirri dari Make To Order :
Inputnya bahan baku
Biasanya untuk supply item dengan banyak jenis
Harga cukup mahal
Lead Time ditetapkan konsumen
Perlu keahlian khusus
Komponen bisa dibeli untuk persediaan
Assemble To Order adalah tipe industri yang membuat produk
dengan cara assembling hanya untuk memenuhi pesanan.
Ciri cirri dari Assemble To Order :
Inputnya komponen
Untuk supply item dengan banyak jenis
Harganya cukup mahal
Lead time ditetapkan konsumen
Contohnya K.F.C
No Karakteristik
Make-To-
Stock
Assemble-
To-Order
Make-To-
Order
1 Keterkaitan antara Rendah Sedang Tinggi
44
pemasok dan
pelanggan
2
Waktu penyerahan
produk ke
pelanggan
Singkat Sedang Panjang
3
Volume Produksi
untuk setiap unit
penjualan
Tinggi Sedang Rendah
4
Range dari Product
Line
Rendah Sedang Tinggi
5
Basis untuk
perencanaan dan
penjadwalan
produksi
Ramalan
Ramalan dan
Backlog
Backlog
6
Seasonalitas
(pengaruh
musiman)
Tinggi Sedang Rendah
7 Stabilitas Produk Tinggi Sedang Rendah
8
Penanganan
ketidakpastian
permintaan
Stok
pengaman
Over
planning dari
komponen
dan
subassemblie
s
Hanya
sedikit
ketidakpastia
n yang ada
9 Final Assembly
Schedule
Terkait
erat
dengan
MPS
Ditentukan
oleh pesanan
pelanggan
Digunakan
untuk
kebanyakan
operasi
45
assembly
10
Bill Of Material
(BOM) atau
struktur produk
BOM
standar
untuk
setiap
produk
Planning
BOM
BOM unik
untuk setiap
pesanan
Tabel 2.1. Karakteristik dari lingkungan Manufakturing
2. Struktur Produk
Struktur produk atau bill of materials (BOM) didefinisikan sebagai
cara komponen komponen itu bergabung ke dalam suatu produk
selama proses manufacturing.
Pembuatan BOM dan struktur Produk
A B A : Nomor Urut
B : Kuantitas yang diperlukan
D C : Deskripsi
D : Harga Komponen
Contoh :
0 1
1 1 2 1
C
X
A
B
46
3 2 4 3
Gambar2.1. Struktur Produk
No Level Deskripsi Kode Qty UOM
1
2
1
. 2
A
B
1
1
Each
Each
Tabel 2.2. Format BOM ( Bill Of Material )
3. Horizon Perencanaan, Product Lead Time dan Production
time fences
Panjang Horizon Perencanaan adalah periode waktu mendatang
terjauh dari jadwal produksi. Biasanya ditetapkan dengan
memperhatikan waktu tunggu kumulatif ditambah waktu untuk
untuk lot sizing komponen-komponen level rendah dan
perubahan kapasitas dari pusat-pusat kerja utama.
Waktu Tunggu Produksi adalah lama menunggu sejak
penempatan pesanan sampai memperoleh pesanan itu. Pada
dasarnya horizon perencanaan dibagi ke dalam empat aktivitas
operasi, yang masing masing mempunyai waktu menunggu.
Waktu tunggu keempat aktivitas operasi itu adalah : waktu
tunggu proses pesanan dan pengiriman, waktu tunggu final
assembly, waktu tunggu component assembly, dan waktu
tunggu perolehan material dan rekayasa.
Z Y
47
Time Fences adalah pembagian perencanaan kedalam beberapa
zona, dimana tiap zona mempunyai aturan yang berbeda.
Time Fences dibagi menjadi 2, yaitu :
1. Demand Time Fences didefinisikan sebagai periode mendatang
dari MPS dimana dalam periode ini perubahan-perubahan
terhadap MPS tidak diijinkan atau tidak diterima karena akan
menimbulkan kerugian biaya yang besar akibat ketidaksesuaian
atau kekacauan jadwal.
2. Planning Time Fences didefinisikan sebagai periode mendatang
dari MPS dimana dalam periode ini perubahan-perubahan
terhadap MP dievaluasi guna mencegah ketidaksesuaian atau
kekacauan jadwal yang akan menimbulkan kerugian dalam
biaya.
Ada 3 jenis order dalam MPS :
1) Planned Order adalah order yang rencananya akan dilepaskan
(released) dan dibuat setelah mempertimbangkan supply
demand.
2) Firm Planned Order adalah order yang direncanakan akan dibuat
di perusahaan ini tapi belum dilepaskan.
3) Orders adalah order yang sudah dibuat dan diperintahkan untuk
dibuat/dikerjakan/dibuatkan purchase order/dibuatkan surat
pengiriman.
4. Pemilihan item-item MPS
48
Pemilihan item-item dalam penyusunan MPS sangat penting karena
mempengaruhi bagaimana MPS beroperasi dan bagaimana system
perencanaan dan pengendalian manufacturing secara keseluruhan
beroperasi.
Terdapat beberapa criteria dasar yang mengatur pemilihan item-item
dalam MPS, yaitu :
Item yang dijadwalkan seharusnya produk akhir, kecuali ada
pertimbangan yang jelas menguntungkan untuk menjadwalkan
item-item yang lebih kecil daripada produk akhir seperti :
inverted planning bill, atau super family.
Jumlah item sedikit
Seharusnya memungkinkan dilakukan ramalan permintaan
(kecuali make-to-order). Item-item yang dijadwalkan harus
berkaitan erat dengan item-item yang dijual.
Setiap item yang dibuat harus memiliki BOM.
Item-item yang dipilih harus dimasukkan dalam perhitungan
kapasitas produksi yang dibutuhkan.
Item-item MPS harus memudahkan dalam penerjemahan
pesanan-pesanan pelanggan ke dalam pembuatan produk yang
akan dikirim.
2.4.4. Teknik Penyusunan MPS
MASTER PRODUCTION SCHEDULE (MPS)
Item no : Description :
Lead Time : Safety Stock :
49
Order Qty : DTF : PTF :
Period 1 2 3 4 5 6 7 8
Forecast
Actual Order
PAB
Available to promise
Master schedule
Planned order
Tabel 2.3. Bentuk umum dari Master Production Schedule
Keterangan :
Lead Time Adalah waktu (banyaknya periode) yang
dibutuhkan untuk memproduksi atau membeli suatu item.
On Hand Adalah posisi inventori awal yang secara fisik
tersedia dalam stok, yang merupakan kuantitas dari item yang
ada dalam stok.
Lot Size Adalah kuantitas dari item yang biasanya dipesan
dari pabrik atau pemasok. Sering disebut juga sebagai kuantitas
pesanan (order quantity) atau ukuran batch (batch size).
Safety Stock Adalah stok tambahan dari item yang direncanakan
untuk berada dalam inventori yang dijadikan sebagai stok
pengaman guna mengatasi fluktuasi dalam ramalan penjualan,
pesanan-pesanan pelanggan dalam waktu singkat (short-term
customer orders), penyerahan item untuk pengisian kembali
inventori, dan lain-lain. Safety stock merupakan kebijaksanaan
manajemen berkaitan dengan stabilisasi dari sistem
50
manufakturing, dimana apabila sistem manufakturing semakin
stabil kebijaksanaan stok pengaman ini dapat diminimumkan.
Demand Time Fence ( DTF ) Adalah periode mendatang dari
MPS di mana dalam periode ini perubahan-perubahan terhadap
MPS tidak diijinkan atau tidak diterima karena akan
menimbulkan kerugian biaya yang besar akibat ketidaksesuaian
atau kekacauan jadwal.
Planning Time Fence ( PTF )Adalah periode mendatang dari
MPS dimana dalam periode ini perubahan-perubahan terhadap
MPS dievaluasi guna mencegah ketidaksesuaian atau kekacauan
jadwal yang akan menimbulkan kerugian dalam biaya. MPS
biasanya dinyatakan sebagai firm planned orders (FPO) dalam
PTF. PTF sering ditetapkan pada waktu tunggu kumulatif (lihat
gambar 1). Waktu tunggu kumulatif (cumulative lead time )
merupakan waktu yang dibutuhkan untuk memproduksi produk
sejak awal, yang merupakan jalur waktu terpanjang dari puncak
(end items) ke bawah (raw materials) daloam struktur produk.
Perubahan-perubahan dalam MPS melewati waktu tunggu
kumulatif (melewati PTF) dapat dibuat dengan cepat oleh
penyusun MPS karena akan cukup waktu untuk membuat atau
membeli perubahan dalam produk. Namun perubahan-
perubahan dalam waktu tunggu kumulatif harus diselidiki
sebelum disetujui, apakah cukup waktu untuk membuat atau
membeli item itu, karena dapat mengganggu jadwal produksi
yang telah ditetapkan. Kekacauan pada jadwal produksi akan
berakibat pada keterlambatan produksi dan penyerahan kepada
51
pelanggan, sehingga menurunkan daya saing dari perusahaan
dalam aspek ketepatan waktu penyerahan.
Forecast ( ramalan kebutuhan ) Merupakan rencana penjualan
atau peramalan untuk item yang dijadwalkan setiap periodanya
dan bersifat tidak pasti (uncertain)
Actual order ( pesanan konsumen ) Adalah berupa pesanan
konsumen yang sudah pasti diterima sehingga statusnya pasti.
Projected available balance ( proyeksi persediaan/on hand )
o Digunakan untuk merencanakan jumlah yang harus
diproduksi
o Dihitung dengan asumsi bahwa penjualan akan disesuaikan
dengan ramalan, sehingga : on hand saat ini = OH
sebelumnya forecast saat ini.
o Dalam lingkungan manufacturing make-to-order, pada
umumnya inventory tidak tersedia sebelumnya. Sehingga
dalam perhitungan PAB dipandang sebagai perbandingan
antara penawaran dan permintaan. Apabila negatif berarti
periode itu produksi tidak mampu memenuhi permintaan.
o Dalam lingkungan manufacturing make-to-stock, kenaikan
terus menerus dalam niali PAB sehingga menunjukkan
bahwa inventory dari item yang dijadwalkan itu semakin
menumpuk.
Available to promise ( jumlah yang bisa dijanjikan )
o Merupakan alat yang digunakan untuk menjanjikan
jumlah yang bisa dipesan konsumen.
52
o Merupakan bagian dari persediaan yang belum
dijanjikan.
o Digunakan oleh bagian pemasaran untuk membuat
janji penjualan dimasa yang akan datang.
o ATP = On hand actual order total
Master schedule (jadwal produksi )
o Berupa keputusan tentang kuantitas yang akan
diproduksi dan saat diproduksi itu memasuki stock
o Ditentukan dengan memperlihatkan ketersediaan
material dan kapasitas
o Total dari master schedule untuk setiap individual
part harus sama dengan total yang dinyatakan dalam
rencana produksi.
Contoh Pembuatan MPS berdasarkan Lingkungan Manufakturing
MASTER PRODUCTION SCHEDULE (MPS)
Item no : S106 Description : Ring Sheaker
Lead Time : 3 period Safety Stock : 3 Unit
Order Qty : 3 period DTF : 0 period PTF : 5 period
Net requirement
DTF PTF
Period 1 2 3 4 5 6 7 8
Forecast 5 3 8 2 7 5 8 4
Actual Order
PAB 14 9 6 13 11 4 -1 -9 -13
ATP
Master schedule 15
Planned order 16
Tabel 2.4. MPS untuk MTS
53
Contoh perhitungannya :
o PAB (1) = PAB (0) Forecast(1) = 14 5 = 9
o PAB (3) = (PAB.2 + MS) Forecast(3) = (6 + 15) 8 = 13
o Planned Order (5) = jml PAB negative 3 period + SS PAB (t-
1) = ( 5 + 8 + 4 ) + 3 4 = 16
MASTER PRODUCTION SCHEDULE (MPS)
Item no : S106 Description : Ring Sheaker
Lead Time : 3 period Safety Stock : 3 Unit
Order Qty : 3 period DTF : 0 period PTF : 5 period
Net requirement
DTF PTF
Period 1 2 3 4 5 6 7 8
Forecast
Actual Order 6 5 7 2 4 1
PAB
Available to promise
Master schedule 6 5 7 2 4 1
Planned order
Tabel 2.5 .MPS untuk MTO
MASTER PRODUCTION SCHEDULE (MPS)
Item no : S106 Description : Ring Sheaker
Lead Time : 5 period Safety Stock : 0 Unit
Order Qty : 3 period DTF : 3 period PTF : 6 period
Net requirement
DTF PTF
Period 1 2 3 4 5 6 7 8
Forecast 7 8 3 5 10 11 6 9
Actual Order 4 6 5 3 2 1
PAB 11 7 1 14 9 27 16 10 1
54
ATP 1 10 25
Master schedule 18 28
Planned order
Tabel 2.6. MPS untuk MTS/MTO
Contoh perhitungannya :
o PAB (1) = PAB (0) Actual Order = 11 4 = 7 (berlaku untuk
sebelum DTF)
o PAB (4) = (PAB.3) Forecast(4) = 14 5 = 9 (dibandingkan
nilai yang terbesar antara F dengan AO untuk perhitungan PAB
setelah daerah DTF)
o ATP (1) = PAB (0) + MS(1) jml AO sebelum ada MS
berikutnya = 11 + 0 ( 4 + 6 ) = 11 10 = 1
o ATP (3) = MS(3) jml AO ebelum ada MS berikutnya
= 18 ( 5 + 3 ) = 18 8 = 10
2.5. Perencanaan Kapasitas
2.5.1. Definisi Perencanaan Kapasitas
Perencanaan Kapasitas adalah proses menentukan tingkat kapasitas
yang diperlukan ntuk melakukan jadwal produksi, dibandingkan
terhadap kapasitas yang tersedia dan tindakan tindakan
penyesuaian yang diperlukan terhadap tingkat kapasitas atau jadwal
produksi.
55
Perencanaan Kapasitas adalah proses menentukan tingkat kapasitas
yang dibutuhkan untuk memenuhi jadwal induk produksi.
Jika terjadi kekurangan kapasitas, hasilnya berupa kekurangan
pencapaian target produksi, pengiriman produk ke konsumen
terlambat dan kehilangan kepercayaan sistem manajemen.
Sebaliknya, jika kapasitas berlebihan, mengakibatkan utilitas sumber
rendah, operasi pabrik tidak efisien, biaya tinggi dan berkurangnya
magin keuntungan.
2.5.2. Jenis Perencanaan Kapasitas
Jenis perencanaan kapasitas jika ditinjau dari horizon waktu
perencanaan adalah sebagai berikut :
1. Perencanaan kapasitas jangka panjang. Untuk
kurun waktu 1-5 tahun ke depan, issue issue dalam
perencanaan ini adalah :
fasilitas yang akan dibangun
mesin yang akan dibeli
produk yang akan dibuat
2. Perencanaan kapasitas jangka menengah. Untuk
kurun waktu bulanan sampai dengan satu tahun ke depan.
Tingkat perencanaan sudah rinci, issue yang terjadi dalam
perencanaan ini adalah :
tambahan tooling/peralatan
lembur, tambah shift
sub-kontrak
56
alternative routing
3. Perencanaan kapasitas jangka pendek. Untuk
kurun waktu harian sampai satu bulan ke depan. Titik beratnya
lebih pada pengendalian: sudah melihat / mengevaluasi apakah
pelaksanaan sudah sesuai dengan perencanaan yang dibuat
(input output control).
2.5.3. Rough Cut Capacity Planning (Perencanaan
Kapasitas Kasar)
RCCP ( perencanaan kapasitas kasar ) ini termasuk dalam
perencanaan kapasitas jangka panjang. RCCP menentukan
kebutuhan kapsitas yang diperlukan untuk melaksanakan MPS.
Horizon waktu sama dengan MPS, biasanya 1 sampai dengan 3
tahun. RCCP ini akan mengkonversi MPS menjadi kebutuhan
kebutuhan kapasitas untuk sumber daya utama dan kemudian
menentukan apakah MPS tersebut layak dengan keterbatasan
keterbatasan kapasitas ang ada. Jika MPS tidak layak, maka MPS
harusa dapat direvisi sehingga dapat sesuai dengan keterbatasan
kapasitas yang ada atau mungkin dapat pula terjadi revisi terhadap
perencanaan produksi agregat.
2.5.3.1. Teknik teknik RCCP
RCCP memperkenalkan tiga teknik dasar, yaitu :
57
1. Pendekatan total faktor ( Capacity Planning
Using Overall Factor Approach = CPOF )
CPOF membuthkan tiga masukan yaitu MPS, total waktu yang
diperlukan untuk memproduksi suatu produk dan proporsi waktu
penggunaan sumber.
CPOF mengkalikan waktu total tiap famili terhadap jumlah MPS
untuk memperoleh total waktu yang diperlukan pabrik untuk
mencapai MPS. Masing masaing sumber dengan mengkalikan total
waktu terhadap proporsi penggunaan sumber.
2. Pendekatan daftar tenaga kerja ( Bill Of
Labour Approach = BOLA )
Teknik ini didapat dengan cara jumlah kebutuhan kapasitas yang
diperlukan diperoleh dengan mengkalikan waktu tiap komponen
yang tercantum pada daftar tenaga kerja dengan jumlah produk dari
MPS.
3. Pendekatan profil sumber ( Resource Profile
Approach = RPA )
RPA merupakan teknik perencanaan kapasitas kasar yang paling
terperinci tetapi tidak serinci perencanaan kebutuhan kapasitas
(capacity requirement planning).
58
Utilitas, digambarkan sebagai perbandingan antara jam pemanfaatan
(aktual) fasilitas terhadap jam kerja yang tersedia (kapasitas): atau
perbandingan jumlah unit yang dihasilkan (kapasitas). Makin rendah
tingkat utilisasi suatu fasilitas berarti makin tinggi waktu
menganggur (idle time = v). Atau dapat dituliskan dengan rumus
1
. Angka utilisasi tidak dapat lebih dari 1.0 (100%).
Efisiensi merupakan ukuran jumlah input yang digunakan dalam
menghasilkan sejumlah output tertentu; makin tinggi efisiensi berarti
makin sedikit jumlah input digunakan dalam menghasilkan output
tersebut. Faktor efisiensi dapat lebih besar dari 1.0